2024如约而至,在过去的一年，可以说是相对于之前比较“颠覆”的一年(从技术角度),这里的颠覆不是指从IT视角看基础架构出现了什么创新，而是指在大基建(以硬件IT资源为底座)的前提下，大家已经或多或少接受了人工智能的工作模式，并且乐于去讨论关于人工智能的内容，无论是从NV的资本市场反应还是真实的各大云厂商\基模厂商的反应看，不可否认我们进入一个被人工智能包围的阶段了。

    本文是笔者自2014年开始的第十篇，从二进制的角度来说,”10″就是十进制的”2″,与本文的标题一致，也代表我个人的一个观点(也就在本公众号终于可以代表我个人观点了,hhh)，过去一年，本公众号除了一些必要的领域知识宣传、招聘外并没有做额外的分享，原因是大部分的技术文章与公司业务强相关，受限于公司数据安全要求并不能完全脱敏作为分享，所以走精品路线的这个公众号也就变得“沉默寡言”，当然我的分享并没有停止，只是将碎片知识放到了更为私域的平台（知识星球）：

（可以看到其实还是很活跃的，hhhh）

    过去十年或许我们处于第一个阶段,也就是以个人能力为中心，我们可以去讲围绕个人的核心竞争力打造，而在接下来的十年，从我看到的情况，第二个阶段很可能是围绕着平台能力进行，在第一个阶段我们经常说平台能力不是个人能力，平台行不代表个人行，而到第二个阶段，我们的“足手投足”（这里指IT动作）都将成为留痕，你的搜索记录、你的浏览习惯、你在互联网/非互联网的痕迹都将成为平台能力的一部分，这不代表说“隐私”泄漏，这里说的“痕迹”指的是基于你非内容的部分进行构造，你的行业类型与相应的“痕迹”也将最终作为基模的一部分“语料”，并且在这个阶段，语料的标注也成为了智能应用的一部分。

    在第一阶段里（这里可以理解为我的第一阶段，如果大家在读本文时有对号入座感觉，那就是适用我说的内容）没有去锻炼核心竞争力、没有去训练多维思考力的意识，很可能会成为“帕鲁”在第二阶段里，成为“帕鲁”本身不一定是好与坏的定义，而是一种选择，这种选择可能是被动也可能是主动，当然即使在第一阶段有了这些能力，其实无非是高阶“帕鲁”而已（“帕鲁”一词来自近期大火游戏“幻兽帕鲁”，帕鲁是一种生产力代表，被职场人调侃），那如何去避免这个问题呢？其实不用避免，努力成为构造平台能力的人即可，且听下面分解。

    构造平台能力从技术角度来说，在数据越加庞大的情况下，计算力紧缺会限制基模的发展，大型的堆叠算力不会是持久有效的方式，所以有部分观点是基模由超大型组织支撑即可，毕竟分散的算力带来的副作用在挖矿时代其实就很明确了，相对理智的行业已经聚焦回自己业务主赛道涉及的应用上（AI Agent，或叫智能体研究），应用的投入是具备动态的，意味着试错成本急剧降低，同时其上应用训练的数据又是业务所产生的核心资产，理论上基模与应用的迭代是同步的，若公司业务的增长趋势与基模增长（这里的增长指的是堆叠的数据、Token检索效率等）成正比的情况下，其实成功的概率非常大，所以我对月之暗面的Kimi Chat也非常看好，因为它解决了横向、竖向的多模态问题，在To C层面来说目前为止它具备较好的潜力。

    除了在AI赛道上的机会，IT从业者还有什么机会吗？对于非AI所能覆盖的领域，或者交付难度磕磕碰碰的地方，其实都暗藏商机，类似城市化进程之下，乡村经济会是一条不错的道路，钢铁城市繁华之后一种乡村温柔正在往白热化发展，从IT角度来讲，非AI领域的价值会随着AI领域的增值而增值，像高阶的技术服务就是一个不错的赛道，因为业务需求是随着市场空缺而产生，受市场反馈而定价，这种行业首先受业务创造的优势，在短期内基模的“神经元”是跟随不上的，类似去询问一些交互AI时间问题一样，从业者寻求AI作为辅助且极具创造性的工作，创业者则更加痛苦，这些“野生鱼类”需要找到像沿海地区对“鲜”有极致追求的区域，同时又要避免日本核废水投海的“黑天鹅”。

    在过去一年，除了乐此不疲的思考AI、事业相关的问题，我也尝试在我的团队去验证我在标准化方面的思路，经过这一年的实践，标准化的落地其实是很多工作的前提，人力、资源的标准化需要经历大量实践，从过来人角度，不要轻易发起标准化，我的团队是在第二年才开始有标准化的样子，也不是靠一纸公文去执行，而且自然而然，最终再落为纸面，这也是过去在公共云运维领域、集成领域不断尝试去培养用户习惯最终被现实毒打出来的经验，今天我们讲AI，真的是碎片化输入吗？其实不然，有一定秩序、规律的语料能够提升AI交互返回的质量，也提升Token的效率，所以标准化的实践思路：先实践再标准化（前面的定语可能更需要各个团队的情况而定）。

    讲到这个实践思路，我也分享下我团队上的一些情况（在不透露业务情况的前提下）供大家评估这个“定语”，我自己的团队：

• 首先会提供标准武器（底线），然后鼓励大家进行非标准创新，创新后的代价是沉淀，鼓励复用实验与统计

• 复盘做到好坏都要复盘（特别是好，是怎么做到好，是不是真的好）；

• 人员控制上根据业务繁忙程度保持一定比例用日常的行为记录作为判断繁忙程度的一些依据（比如我拥有所有业务涉及的作业渠道视角）；

• 不做反动力的决定，包括频繁的会议（下半年，团队会议一共2次），避免汇报、避免汇报、避免汇报，管理者要关注日常就一定要减少对汇报的依赖，对团队的关注表现在日常；

    当然，以上建议还有很多，只是这里基于团队规模、业务场景需要进行微调，任何管理动作一定要考虑核心目标，尽量打造一支小而美、敏捷的团队，如果不够敏捷那就调整到敏捷，可上至下也左至右，对于团队的带头人要做到行为上不像“带头人”，能力上超越“带头人”，要忘掉自己是“带头人”。

    讲了AI/非AI的看法、标准化实践、团队等内容，最后回到主赛道，云业务，目前数字化的潜力依旧超过50%，原来的50%内容从“上云”也要逐步变成优化，在技术栈上有大量的机会：

• 比如大量的集群业务是否有设计过度部分，大量的业务技术栈是否过于老旧，大量的云上稳定性是否有提升空间，原来50%的内容更多是经历了0到1，到了一个健康化的阶段，这里面有部分不健康的云上设计该摒弃就要取舍。

• 对于有数字化潜力的50%，依旧是0到1阶段，这也是很多云从业或技术服务从业者的困惑，业务形态深浅不一的源头，核心原因还是“错误”，比如有数字化潜力的50%以为到了健康化阶段，喊着云下成本更佳，而对于没有了数字化潜力或处于亚健康的50%却继续投入不健康资源导致恶化，这两种矛盾尤为常见。

    解决这个矛盾就对于我们这些普通的从业者来说提了更高的要求，技术能力深且行业能力强，需要识别到对应业务的暗面，好在，第二阶段已经到了，大量的AI Agent补漏我们的缺陷，不过需要注意，AI Agent截止目前为止是工具，利用工具，而不是被工具利用。

    聊到最后，如果大家对我说的内容，特别是在第二阶段中，如何去做技术服务有兴趣，也想加入到我们的行业中来一起思考的话，欢迎联系我们。

    还是老话，希望这篇总结能够给各位看官有一些涟漪。